SERAFIM - Satellitengestützte Waldbranddetektion

18 Februar 2022

Prof. Michael Schmitt, Professor für Erdbeobachtung, hat im Bay. Raumfahrtforschungsprogramm – Air Mobility, das Projekt Satellitengestützte Waldbranddetektion (SERAFIM) eingeworben.

Laufzeit: 01.01.2022 bis 31.12.2024
Förderer: Bay. Stm. f. Wirtschaft, Landesentwicklung und Energie - Bay. Raumfahrtforschungsprogramm – Air Mobility

Aktuelle Studien zeigen, dass der Waldverlust in vielen Teilen der Welt seit dem Jahr 2000 deutlich zugenommen hat und dass diese Dynamik stark mit dem Auftreten von Waldbränden verbunden ist. Waldbrände werden traditionell mittels Wachtürmen, Flugstaffeln oder auch durch Patrouillen detektiert und überwacht. Diese Methoden sind ineffizient und lassen sich nur schwer auf größere und entfernte Gebiete skalieren. Die Satelliten-Fernerkundung bietet die Möglichkeit, große Gebiete mit mehreren Überflügen pro Tag kosteneffizient zu überwachen. Der Einsatz satellitengetragener, thermischer Sensoren erlaubt nicht nur die Ableitung der räumlichen Ausdehnung und zeitlichen Dauer akuter Brandereignisse, sondern auch die Quantifizierung der emittierten Wärmestrahlung und damit die Bestimmung der Intensität eines Feuers. Derzeit gibt es einige Satellitengroßmissionen staatlicher Institutionen, welche die Feuererkennung in mittlerer räumlicher Auflösung zur Vormittags- und Mittagszeit ermöglichen. Am Nachmittag existiert eine Lücke von etwa 6 Stunden, in der keine entsprechenden Daten verfügbar sind. Gleichzeitig ist dies jedoch die Tageszeit, in welcher die meisten Brände aufgrund der Sonnenintensität ausbrechen. Ziel des Verbundvorhabens SERAFIM ist es, diese Lücke mittels einer Konstellation von 7 Kleinsatelliten zu schließen. Während der Laufzeit wird die Auslegung, der Bau, der Test und der anschließende Start der 7 Kleinsatelliten auf einer Trägerrakete sowie die Entwicklung von innovativen Methoden für die Datenanalyse und -auswertung realisiert werden.

Ziel des UniBw-Teilvorhabens ist die Entwicklung von vollautomatischen, KI-basierten Georeferenzierungsverfahren für die langwelligen Infrarot-Aufnahmen der im Gesamtvorhaben entwickelten OroraTech-Satelliten. Dies ist erforderlich, um detektierte Waldbrände mit präzisen Ortsangaben auszustatten. Diese Ortsangabe ist ein wichtiger Informationsbestandteil für die Kunden. Aufgrund der relativ schlechten Qualität einer direkten, auf Satelliten-Orientierungsdaten basierenden Georeferenzierungsgenauigkeit optischer Satellitensensoren ist eine präzise Georeferenzierung nur über den Abgleich mit vorhandenen Referenzdaten möglich. Dazu werden in der klassischen optischen Fernerkundung häufig in der Örtlichkeit vermarkte Passpunkte verwendet. Dieses Vorgehen ist in zeitkritischen Szenarien wie der Waldbranddetektion und mit niedrig aufgelösten, langwelligen Infrarot-Daten nicht möglich. Die zu entwickelnden Verfahren sollen daher eine Georeferenzierung durch Registrierung zu im Archiv vorhandenen Satellitenbildern der Sentinel-2-Mission erlauben. Aufgrund der großen Unterschiede in Auflösung und Radiometrie ist eine solche bildbasierte Registrierung nicht ohne weiteres möglich. Durch die Entwicklung geeigneter tiefer neuronaler Netzwerke soll diese technische Lücke geschlossen und eine vollautomatische Registrierung ermöglicht werden.

^{Bild: © gettyimages/urfinguss}